> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-dependabot-github-actions-actions-cache-6.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# TensorBoard
> 클라우드 기반 시각화, 공유, 그리고 시스템 메트릭과 함께 중앙에서 분석할 수 있도록 TensorBoard 로그를 W&B와 동기화합니다.
export const ColabLink = ({url}) =>
Colab에서 사용해 보기
;
W\&B Multi-tenant Cloud에서는 임베디드 TensorBoard를 지원합니다.
TensorBoard 로그를 클라우드에 업로드하고, 동료 및 반 친구들과 결과를 빠르게 공유하고, 분석을 한곳에 모아 관리하세요.
## 시작하기
```python theme={null}
import wandb
# `sync_tensorboard=True`로 wandb run 시작
wandb.init(project="my-project", sync_tensorboard=True) as run:
# TensorBoard를 사용하는 트레이닝 코드
...
```
[예제 TensorBoard 인테그레이션 run](https://wandb.ai/rymc/simple-tensorboard-example/runs/oab614zf/tensorboard)을 살펴보세요.
run이 완료되면 W\&B에서 TensorBoard 이벤트 파일에 액세스할 수 있으며, 시스템의 CPU 또는 GPU 사용량, `git` 상태, run에 사용된 터미널 명령 등 유용한 추가 정보와 함께 W\&B 기본 차트에서 메트릭을 시각화할 수 있습니다.
W\&B는 모든 버전의 TensorFlow에서 TensorBoard를 지원합니다. 또한 PyTorch 및 TensorBoardX와 함께 TensorBoard 1.14 이상도 지원합니다.
## 자주 묻는 질문
### TensorBoard에 로깅되지 않는 메트릭을 W\&B에 어떻게 로깅하나요?
TensorBoard에 로깅되지 않는 추가 커스텀 메트릭을 로깅해야 한다면, 코드에서 `wandb.Run.log()`를 호출하면 됩니다. `run.log({"custom": 0.8})`
TensorBoard를 동기화할 때는 `run.log()`에서 step 인자를 설정하는 기능이 비활성화됩니다. 다른 step 값을 설정하려면 다음과 같이 step 메트릭과 함께 메트릭을 로깅할 수 있습니다.
`run.log({"custom": 0.8, "global_step": global_step})`
### `wandb`와 함께 사용할 때 TensorBoard를 어떻게 설정하나요?
TensorBoard 패치 방식을 더 세밀하게 제어하려면 `wandb.init()`에 `sync_tensorboard=True`를 전달하는 대신 `wandb.tensorboard.patch()`를 호출하세요.
```python theme={null}
import wandb
wandb.tensorboard.patch(root_logdir="")
run = wandb.init()
# wandb run을 완료하여 tensorboard 로그를 W&B에 업로드합니다 (Notebook에서 실행 중인 경우)
run.finish()
```
이 방법에 `tensorboard_x=False`를 전달하면 기본 TensorBoard가 패치되도록 할 수 있습니다. PyTorch와 함께 TensorBoard > 1.14를 사용하는 경우에는 `pytorch=True`를 전달해 패치되도록 할 수 있습니다. 두 옵션 모두 임포트된 라이브러리 버전에 따라 적절한 기본값이 자동으로 적용됩니다.
기본적으로 `tfevents` 파일과 모든 `.pbtxt` 파일도 동기화합니다. 이를 통해 W\&B가 사용자를 대신해 TensorBoard 인스턴스를 실행할 수 있습니다. run 페이지에 [TensorBoard 탭](https://www.wandb.com/articles/hosted-tensorboard)이 표시됩니다. 이 동작은 `wandb.tensorboard.patch`에 `save=False`를 전달해 비활성화할 수 있습니다.
```python theme={null}
import wandb
run = wandb.init()
wandb.tensorboard.patch(save=False, tensorboard_x=True)
# 노트북에서 실행 중인 경우, tensorboard 로그를 W&B에 업로드하려면 wandb run을 종료하세요
run.finish()
```
`tf.summary.create_file_writer()`를 호출하거나 `torch.utils.tensorboard`를 통해 `SummaryWriter`를 생성하기 **전에** 반드시 `wandb.init()` 또는 `wandb.tensorboard.patch()` 중 하나를 호출해야 합니다.
### 과거 TensorBoard run은 어떻게 동기화하나요?
로컬에 저장된 기존 `tfevents` 파일이 있고 이를 W\&B로 임포트하려면 `wandb sync log_dir`를 실행하면 됩니다. 여기서 `log_dir`는 `tfevents` 파일이 들어 있는 로컬 디렉터리입니다.
### Google Colab 또는 Jupyter에서 TensorBoard를 어떻게 사용하나요?
Jupyter 또는 Colab 노트북에서 코드를 실행하는 경우, 트레이닝이 끝날 때 `wandb.Run.finish()`를 반드시 호출하세요. 그러면 wandb run이 종료되고 TensorBoard 로그가 W\&B에 업로드되어 시각화할 수 있습니다. 반면 `.py` 스크립트를 실행할 때는 스크립트가 끝나면 wandb가 자동으로 종료되므로 이 작업은 필요하지 않습니다.
노트북 환경에서 셸 명령어를 실행하려면 `!wandb sync directoryname`처럼 앞에 `!`를 붙여야 합니다.
### TensorBoard와 함께 PyTorch를 사용하려면 어떻게 해야 하나요?
PyTorch의 TensorBoard 인테그레이션을 사용하는 경우, PyTorch Profiler JSON 파일을 수동으로 업로드해야 할 수 있습니다.
```python theme={null}
with wandb.init(project="my-project", sync_tensorboard=True) as run:
run.save(glob.glob(f"runs/*.pt.trace.json")[0], base_path=f"runs")
```
### 클라우드에 저장된 tfevents 파일을 동기화할 수 있나요?
`wandb` 0.20.0 이상에서는 S3, GCS 또는 Azure에 저장된 `tfevents` 파일의 동기화를 지원합니다. `wandb`는 각 클라우드 제공업체에 대해 아래 표의 명령으로 설정한 기본 자격 증명을 사용합니다.
| 클라우드 제공업체 | 자격 증명 | 로깅 디렉터리 형식 |
| --------- | --------------------------------------- | ------------------------------------- |
| S3 | `aws configure` | `s3://bucket/path/to/logs` |
| GCS | `gcloud auth application-default login` | `gs://bucket/path/to/logs` |
| Azure | `az login`[^1] | `az://account/container/path/to/logs` |
[^1]: `AZURE_STORAGE_ACCOUNT` 및 `AZURE_STORAGE_KEY` 환경 변수도 설정해야 합니다.
